无线传感器网络分布式射频干涉定位方法

针对现有无线传感器网络节点定位方法复杂度较高的问题,提出了一种基于射频干涉的分布式节点定位方法(DRIPS).首先利用2个锚节点形成射频干涉场,然后用其中1个锚节点的移动产生多普勒效应,从而各节点可通过测量自身低频接收信号场强指示的瞬时频率得到与移动锚节点之间的夹角信息.结合锚节点的地理位置,节点融合多组定位角度信息得到最优的位置估计.DRIPS方法仅需利用节点的常规无线通信设备,不需要额外的辅助测量装备,同时各节点独立进行自身的位置估计,不需要进行集中处理,是一种分布式的定位方法.仿真结果表明,对于200 m×200 m的定位区域,在多普勒频偏的测量精度为1 Hz时,节点的平均定位误差可以达到1 m以内.     

基于距离估计的无线传感网络移动节点定位研究

针对传统MCL算法定位精度低的不足,提出了一种基于距离估计的改进蒙特卡罗定位算法—DEMCL.首先根据网络连通度、锚节点信息和节点间的相邻关系估计目标节点与锚节点间的距离;然后利用该距离构建新的过滤条件加入算法的过滤阶段,以优化样本集和减小定位误差;最后以Matlab为工具对算法的定位性能进行仿真和分析.仿真结果表明:在同一环境下,与MCL算法和MCB算法相比,DEMCL算法能保证更高的定位精度,同时减少了无效定位的节点数目,网络覆盖率可达到98.83%.     

一种基于移动锚节点的多坐标系定位算法

提出一种分布式节点定位算法:移动锚节点辅助多坐标系定位算法(MBA-MC),用于无线传感器网络节点定位.移动锚节点在WSN节点分布区域内移动,同时周期性发送信标信号,并且在同一位置分别在多个不同的发射功率下发送信标信号.未知位置节点接收信标后估算与锚节点距离范围,然后利用在多坐标系系统下接收的信标信息得到多个扇形的交叠区,并认为交叠区中心就是节点自身位置.仿真结果表明:在相同条件下,本文提出算法比其他算法能取得更好的定位准确性,其全分布式计算定位方式特别适用于大规模的无线传感器网络节点定位.     

单个锚节点的路径规划机制及定位方法研究

为使锚节点在定位中距离待定位节点更近,从而更精确定位,提出单个锚节点的禁忌搜索与分簇相结合的路径规划机制.该机制充分利用待定位节点的分簇信息,优先将簇头点作为锚节点移动的目标点.针对单个锚节点在路径规划机制下的移动,提出利用RSSI测距与AOA角度定位相结合的定位方法.仿真结果表明:与禁忌搜索路径规划机制相比,该机制可以使待定位节点与距其最近的信标点的距离更短;与质心定位算法和DV-HOP定位算法相比,本文方法的定位精度和定位时间都有很大提高.     

基于锚节点主动部署机制的WSN节点定位算法综述与分析

无线传感器网络的应用中,网络的位置信息由特定的节点定位算法获得,节点定位算法的选择与实际监测环境的特点和具体性能需求等因素有关.基于锚节点部署的方式,将无线传感器网络节点定位算法分为基于固定和移动锚节点辅助下的2大类定位算法,详细分析了2类算法下的典型算法,对未来无线传感器网络节点定位算法的研究进行了展望.     

基于临时锚节点的改进蒙特卡罗节点定位算法

针对当前移动无线传感器网络节点定位算法中存在的定位过程需要大量锚节点参考定位、定位成本过大、采样效率过低及计算能耗过大的问题,提出一种基于临时锚节点的改进蒙特卡罗节点定位算法。首先基于一跳范围内的锚节点和选择的普通节点作为临时锚节点进行定位,构建了节点的初始采样区域,以提高定位精度和定位覆盖率,然后通过新的重采样方式节省了大量重采样过程中的计算消耗。仿真结果表明:与基于RSSI(接收信号指示强度)的蒙特卡罗节点定位算法相比,提出的算法节点定位精度提高了约60%,在锚节点数量比较小的情况下大大提升了节点的定位精度和定位覆盖率。     

基于随机微粒群算法的分布式节点定位方法

提出了基于随机微粒群优化算法的定位方法。设定网络中存在部分锚节点,且相邻节点之间可以获取距离信息,待定位节点在获取足够的相邻锚节点或已定位节点的距离、位置信息后,使用随机微粒群优化算法实现定位。仿真表明,该方法比多边测量法和基于标准微粒群优化算法的定位方法具有更高的性能。     

一种基于残差分析过滤的安全定位算法

在无线传感网络节点定位中,恶意锚节点的出现会降低网络定位性能,为了解决这个问题,根据节点定位过程中的恶意锚节点攻击特性和定位计算中的残差问题,提出一种基于残差分析和过滤的无线传感网络安全定位算法.建立了基于距离的安全定位模型,对网络定位中的残差问题进行了分析,并且通过残差特性过滤掉网络中恶意锚节点,利用剩余锚节点信息和梯度下降法对未知节点实现高精度定位.仿真表明,此算法在多个性能指标下都能取得相对较高的定位精度,并且在高强度的恶意攻击下也能保持较高的定位性能.此算法不但能有效地抵御恶意攻击对节点定位的破坏,还显著地加强了网络的定位安全性.     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

基于RSSI的改进四边测距机器人定位算法

基于接收信号指示强度的测距特性和三边测距定位原理,提出了应用于机器人定位的改进四边测距定位算法,引入加权质心定位算法的思想,通过距离因子控制各个锚节点对定位精度的影响,并将锚节点之间的距离和信号强度作为修正RSSI的参考值。仿真结果表明,该算法不仅可靠性高,有效避免了信息淹没现象,而且在不增加通信成本的基础上提高了机器人的定位精度。     

传感器网络中一种基于RSSI的圆环重叠定位机制

针对传感器网络的节点定位问题提出一种使用3个普通信标节点定位全网的基于RSSI的圆环重叠(ROBRSSI)定位机制.通过误差转换、未知节点与其二跳邻居间协作设计,有效抑制已有研究中RSSI测量误差的影响,降低未知节点与信标节点间相对位置要求,实现未知节点的有效定位.基于ROBRSSI定位机制,研究了传感器网络中新加入节点的定位.仿真实验验证了算法的有效性.     

无线传感器网络波束合成的影响因素研究

将无线传感器网络WSN(wireless sensor networks)与天线阵波束合成技术相结合,可用以实现WSN的远距离无线通信.与以往节点选用各向同性天线时的情况不同,本文中节点选用定向天线.针对由此引入的天线轴角度偏移问题,具体分析了WSN中常见的节点失效和位置误差对合成波束方向图所带来的影响;通过对节点的辐射功率调整,在保持合成方向图主瓣特性的基础上,有效地降低了旁瓣电平;为增大网络的覆盖面积,可以在一定范围内对节点间距进行扩展,经研究发现,节点间距的扩展范围与所选用天线的波瓣特性有相对固定的约束关系.     

基于反向传播神经网络的WSN节点定位方法研究

针对无线传感器网络存在的定位精度问题,基于反向传播神经网络提出一种新的节点定位方法.该方法首先结合时间差测距和信号强度给出了节点定位计算公式,同时结合反向传播神经网络对上述参数进行快速求解.最后结合NS2和MATLAB进行仿真实验,深入研究了影响定位方法的关键因素.通过对比其他定位算法,本方法具有较好的适应性,能够有效降低定位误差.     

多输入多输出的异构无线传感器网络时分多址调度算法

针对基于多输入多输出技术的无线传感器网络中节点接入信道过程复杂、容易产生碰撞等问题,提出了采用异构无线传感器网络模型和基于该网络模型的集中式时分多址调度算法．网络模型中的节点分为普通节点和带有多天线的特殊节点,节点被分为多个簇,特殊节点担当簇头角色,且在特殊节点间建立树形路由．该网络模型有效解决了分配时隙时节点的传输方向性问题．基于该模型的时分多址算法首先根据特殊节点的冲突节点度大小为节点染色,然后根据节点的数据包数与距基站跳数的乘积确定节点分配时隙的先后次序．实验结果表明,该算法可以有效避免冲突,提高时隙利用率,具有时延小、吞吐量大、适用于基于多输入多输出技术的无线传感器网络等优点．     

无线传感器网络协同定位算法

针对无线传感器网络中基于RSS的定位算法存在的不足,提出一种协同定位算法。该算法包含2个方面：一是引入参考信标节点,以增加节点定位的容错性;二是采用狄克逊(Dixon)检验法剔除异常RSS值,同时引入RSS标准差阈值和学习模型,减小基于RSS的测距误差,有效提高定位精度。通过仿真实验对算法性能进行了评估,结果表明,该算法定位精度得到了有效提高,健壮性和稳定性较好。     

一种基于核方法的无线传感器网络定位算法

无线传感器网络（WSN）作为一种新兴的分布式网络技术,被认为是21世纪改变世界的十大革新技术之一。定位是无线传感器网络的重要支撑技术之一,实现传感器节点自定位是提供监测目标位置信息的必要条件。而实现高效、可靠、准确的节点定位对目标跟踪具有重要意义。不幸的是,环境噪声使得节点的定位精度降低。基于此,该文提出一种基于核方法的无线传感器网络定位算法。实验表明,在WSN中通过采用卡尔曼滤波的核方法定位算法,一定程度上减少了随机噪声对节点定位精度的影响,有效的降低了系统定位误差,实现一定程度的抗干扰。     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

A wireless magnetic sensor for localizing in-vivo medical micro-devices

In order to measure the position and orientation of in-vivo medical micro-devices without the line-of-sight constraints, a wireless magnetic sensor is developed for an electromagnetic localization method. In the electromagnetic localization system, the wireless magnetic sensor is embedded in the micro-devices to measure alternating magnetic signals. The wireless magnetic sensor is composed of an induction coil, a signal processor, a radio frequency (RF) transmitter, a power manager and batteries. Based on the principle of electromagnetic induction, the induction coil converts the alternating magnetic signals into electrical signals. Via the RF transmitter, the useful data are wirelessly sent outside the body. According to the relation between the magnetic signals and the location, the position and orientation of the micro-devices can be calculated. The experiments demonstrate the feasibility of localizing in-vivo medical micro-devices with the wireless magnetic sensor. The novel localization system is accurate and robust.     

Distributed Plume Source Localization Using Hierarchical Sensor Networks

A hierarchical wireless sensor networks (WSN) was proposed to estimate the plume source location. Such WSN can be of tremendous help to emergency personnel trying to protect people from terrorist attacks or responding to an accident. The entire surveillant field is divided into several small sub-regions. In each sub-region, the localization algorithm based on the improved particle filter (IPF) was performed to estimate the location. Some improved methods such as weighted centroid, residual resampling were introduced to the IPF algorithm to increase the localization performance. This distributed estimation method elirninates many drawbacks inherent with the traditional centralized optimization method. Simulation results show that localization algorithm is efficient far estimating the plume source location.     

一种强背景噪声下的WSN目标定位算法

为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).